Искусственный интеллект, инженерия данных и знаний
HMM-based whisper recognition using $\mu$-law frequency warping
[Распознавание шепотной речи с использованием СММ и частотного преобразования по
$\mu$-закону]
J. N. Galićab,
S. T. Jovičićbc,
V. D. Delicda,
B. R. Markovićbe,
D. S. Šumarac Pavlovićb,
Đ. T. Grozdićf a Universite of Banja Luka
b University of Belgrade
c Life Advancement Activities Center (Belgrade)
d University of Novi Sad
e Čačak Technical College
f Fincore Ltd.
Аннотация:
Отсутствие достаточного количества данных шепотной речи для обучения является серьезной проблемой для современных систем автоматического распознавания речи (АРР). Из-за большого акустического различия между обычной и шепотной речью АРР системы значительно снижают производительность при обработке шепота.
В статье приведен анализ подходов к распознаванию нейтральной и шепотной речи на основе традиционных скрытых марковских моделей (СММ) для дикторозависимых (SD) и дикторонезависимых (SI) случаев. Особое внимание уделяется распознаванию шепотной речи с использованием нейтральной речи на этапе обучения (сценарий N/W). Система АРР разработана для распознавания изолированных слов из базы данных (Whi-Spe), включающей пары слов реально произнесенной речи нейтрально и шепотом. В сценарии N/W увеличение надежности достигается с применением предлагаемого частотного преобразования, изначально разработанного для сжатия и декомпрессии речевого сигнала в цифровых телекоммуникационных системах. Вместе с тем сохраняются хорошие показатели в распознавании нейтральной речи.
По сравнению с базовой моделью распознавания с применением Мел-частотных кепстральных коэффициентов (MFCC) точность распознавания слов с использованием кепстральных коэффициентов, полученных с помощью предложенного частотного деформирования (обозначаемого как
$\mu$FCC), улучшена на 7,36% (SD) и 3,44% (SI) в абсолютных значениях. Кроме того,
$\mathrm{F}$-мера (гармоническое среднее значение точности и полноты) для векторов признаков
$\mu$FCC увеличивается на 6,90% (SD) и 3,59 %(SI). Статистические тесты подтверждают значимость достигнутого улучшения точности распознавания.
Ключевые слова:
автоматическое распознавание речи извлечение признаков скрытые марковские модели, человеческий голос, шепот, обработка речи.
УДК:
004.5
Поступила в редакцию: 15.05.2018
Язык публикации: английский
DOI:
10.15622/sp.58.2